简介:大学硕士与本科算法遗传毕业论文开题报告范文和相关优秀学术职称论文参考文献资料下载，关于免费教你怎么写算法遗传方面论文范文。
■宋哲王晟李可
摘 要：近些年来,学者们提出多种方法来解决由链路状态协议的重收敛过程所造成的网络性能下降问题.IETF提出的LFA (Loop Free Alternative)技术因易实现,且不需要对路由协议做过多改动而被广泛接受.其性能与网络的具体权重设置有很大相关性,因此可以借助数学规划模型以及遗传算法对LFA技术的性能进行优化,使得对于任意拓扑都可以得到一套最优的权重配置.经过优化后,LFA技术的性能有明显的改善.
关键词：快速重路由；数学规划模型．遗传算法：权重优化
中图分类号：TN929.11 文献标识码：A
文章编号：1673-1131(2010)03-046-05
一、引言
当IP网络中出现链路或节点失效时,会不可避免的造成短时的业务传输中断.业务中断时间的长短取决于链路状态协议的重收敛速度,通常这个时间要长达数秒.由于实时业务对网络时延有着严格的要求,这样的网络性能往往远远无法满足业务要求.
很多学者尝试通过调整协议的相关参数来加快重收敛速度.虽然利用该方法已经能够成功的把收敛时间压缩到亚秒级．但这与实时业务几十毫秒的时延要求仍有很大差距.此外,由于受协议自身机制及网络规模等因素的制约,使得单凭调整协议参数的方法来进一步压缩收敛时间存在很大的困难.
相对来说．lP快速重路由技术,则因其在网络达到重收敛之前便可快速恢复业务分组的交付而被广泛认同.这是因为采用lP快速重路由技术的路由器提前为可能失效准备了恢复路,当检测到相应器件失效后,便可立即将受影响业务转移到恢复路上而送达目的节点.通过这种方式可以将业务传输中断的时间控制在失效检测时间这个数量级,利用BFD (Bidirectional forwarding detection)技术,失效检测时间可以控制在15毫秒之内.根据得到恢复路的方法以及所需代价的不同,存在多种快速重路由方案.由IETF提出的Not-via利用Not- via地址在节点间建立起类似于隧道的恢复路来达到绕过失效器件的目的.MRC (Multiple Routing Configurations)则用特定的算法把网络划分成了若干个子图,使得对于任意一种单失效情况,都至少可以在其中一个子图中找到对应的安全可靠的恢复路.FIR (Failure Insensitive Routing)和Safeguard等则采用了更为复杂的机制来预先建立恢复路.但是这些方法都涉及到对现有的1GP协议做较大的协议改动．使得在现有的网络体制下实现起来有很大的困难.相比较而言,IETF提出的无环替代路( LFA)技术则不涉及过多的协议改动,可实现性较强.
但LFA的最大缺陷是其恢复性能与拓扑和权重设置有很大相关性,并不是总能为所有单失效实况找到可行的恢复路.因此本文尝试借助数学规划模型及遗传算法对网络拓扑进行权重优化,以提高LFA技术的性能.利用传统的建立数学规划模型的优化方法．可以确保得到针对特定拓扑的最佳权重配置,但由于其复杂度高．求解时间过长,通常只适合小网络的求解.相比之下,通过控制迭代次数,遗传算法能够在合理的时间内给出近似最优解,虽然可能与最优解存在微小的差距,但总体而言有很理想的效果.此外,通过对链路以及业务赋予不同的保护优先级,并将其反映在遗传算法的适应度函数上,还能够实现对不同网络设备以及不同业务间的差别对待,这对实际应用有着重要意义.
二、L FA技术的性能优化
2.1无环替代路(Loop Free Alternative．简称LFA)
无环替代路定义：
对于某一源目节点对(S,D),如果源节点S存在一个非下一跳的邻居节点N．使得S,N,D之间满足如下关系,那么以N为下一跳的去往D的路径就被称为(S,D)间的一条无环替代路.
Distance (N, D)<, Distance (N,S)+Distance (S. D)说明Distance(x,y)为x到y的最短路的距离
在图1所示的网络中,(S,D)间的最短路是S-E-D．对源节点S的非下一跳的邻居节点N有：3等于Distance (N,D)<,Distance(N,S)+Distance(S,D) 等于17.根据无环替代路的定义,以N为下一跳的去往D的路径就是(S,D)间的一条无环替代路.只要S提前计算并保存替代路信息．便可实现对链路S->,E的保护如果链路S->,E失效,当S检测到失效后,便可立刻将去向D的数据包发往N实现快速重路由.由于受到不等式关系的限制,使得N不会再将数据包送回S,也就是说在S和N间不会成环,数据包可以顺利送达目的节点D．因此这种无环替代路能够实现对单链路失效的安全可靠的保护.
2.2优化目标的数学表示
明确优化目标是求解优化问题的第一步．本文的工作主要是针对两个目标进行优化.第一个是要最大化网络中可以保护的链路个数.但是考虑到在研究失效快速恢复时,更关心的是具体业务的生存性.即当业务路上的任何一条链路实效后,都希望在该链路的端节点处能够找到一条无环替代路,以保证业务的顺畅转发.因此,将第二个优化目标确定为最大化可以保护的业务个数.依照两个优化目标所设计的目标函数表达式如下：
遗传算法matlab程序:遗传算法教学视频2
2.3基于数学规划模型的求解
理论上来说,对于可解的优化问题都可以利用数学规划模型找到最优解,因此首先尝试建立数学规划模型进行求解.但由于数学规划模型复杂度较高,通常只适合小网络求解,适应范围有限,所以本文没有针对两个目标函数分别详细阐述数学规划模型的建立过程,只是以链路保护为例,阐明如何用数学规划模型求解LFA技术的性能优化问题.模型中要用到的数学符号的含义如表l所示.
2.,4基于遗传算法的求解
2.4.1遗传算法(Genetic Algorithm．简称GA)
遗传算法是一种模拟遗传学说和自然选择过程的计算模型和通过模拟自然进化过程搜索最优解的方法.GA可以应用于科学研究和工程实际中的各种搜索过程和优化问题．它能较有效地求解常规优化方法难于解决的组合优化问题和复杂函数优化问题,因此适用范围极广
遗传算法通过如下思想搜索最优解：首先随机产生一组初始种群,其中每个个体称为染色体,它对应着解空间中的一组可能解.每个染色体的最小单位称为基因,它对应着染色体某一方面的特征.然后在保持种群数量不变的前提下,通过选择．交叉,变异等进化手段,依照适者生存的自然法则使种群逐代繁衍.在进化过程中,种群整体对环境的适应能力会像自然进化一样得到提高.在遗传算法中个体对环境适应能力的强弱是由适应度函数来评判的,通过合理构造优化问题的适应度函数,便可以通过不断迭代逼近最优解.虽然有时通过有限次的迭代并不能得到最优解,但依然可以得到效果令人满意的次优解或近似最优解.将遗传算法应用于具体寻优问题,需要完成以下几项关键工作：
(1)编码
把具体问题的可行解从其解空间转换到遗传算法所能处理的搜索空间的转换方法称为编码.编码的好坏直接影响选择、交叉、变异等遗传运算的性能,所以遗传算法的编码是求解问题的第一步.
(2)适应度函数的确定
适应度函数是根据目标函数确定的用于区分群体中个体好坏的标准,是算法演化过程的驱动力,也是进行自然选择的唯一依据.实践表明,适应度函数的好坏对算法的性能有较大的影响,因此如何合理的将目标函数转换成适应度函数也是解决问题的关键.
(3)遗传方式的选取
选择方式：遗传算法使用选择运算来实现对群体中的个体进行优胜劣汰操作,其任务是按某种方法从父代群体中选取一些个体,遗传到下一代群体.
交叉方式：指对两个相互配对的染色体按某种方式相互交换其部分基因,从而形成新个体的方法.交叉运算是遗传算法区别于其他进化算法的重要特征.
变异方式：指将染色体中的某些基因值用其它基因值来替换．从而形成一个新的个体的方法.依据变异点的位置以及替换基因的选取方式不同又分为基因位变异、均匀变异、高斯变异和二元变异等.
(4)控制参数的确定
遗传算法中控制参数的合理设置也是非常关键的.主要包括种群大小,编码长度,交叉概率等.
2.4.2 LFA性能优化问题的遗传算法求解方法
借助遗传算法求解优化问题主要就是依次完成上述的四步工作,针对LFA性能优化问题所设计的求解方法如下：
(1)编码
对于OSPF权重设置问题,编码相对比较简单.可以将每条链路的权值作为一个基因．将一套完整的权值分配方案作为一个染色体.因此,我们使用如下的编码方案来表示遗传算法中的染色体：
L为网络中所有链路的集合．ILI则为链路总条数.MAXWEIGHT为链路权值上限,这里将其设为255.
(2)适应度函数的确定
适应度函数应该是根据目标函数做适当变换后得到的,但是2.2节中所设计的目标函数已经满足适应度函数的要求,即正值,且值越大越优.因此可以直接将这两个目标
网络中所有业务的目的.这将有助于我们刻意去避免使用某些易失效或者负载较重的链路,从而进一步提高网络中业务的生存性以及保证QoS.
四、总结
当网络器件失效时,由链路状态协议的重收敛过程所带来的相应问题一直受到网络研究者的关注.学者们尝试通过调整路由协议参数或者建立快速重路由机制等各种方法来尽量减轻重收敛过程所造成的影响.其中．LFA技术在实现上相对比较简单,但其性能的拓扑相关性却较明显.因此．本文尝试通过建立数学规划模型以及借助遗传算法对LFA技术的性能进行优化,使得针对任意拓扑结构我们都可以通过计算得到一组最优的权重配置,以保证通过使用LFA技术能够保护尽可能多的链路或业务.在文中我们详细阐述了利用数学规划模型以及遗传算法对LFA性能优化问题的求解方法.通过仿真可以看到,优化方法能够在相当程度上改善LFA技术的性能,得到较理想的权重配置方案.
总结：该文是关于算法遗传论文范文，为你的论文写作提供相关论文资料参考。
遗传算法matlab程序引用文献:
[1] 遗传算法论文范文 关于遗传算法毕业论文模板范文2万字
[2] 遗传算法论文范文 遗传算法毕业论文的格式范文2万字
[3] 支持向量机和遗传算法论文写作资料范文 支持向量机和遗传算法论文范文资料2500字
